Python：如何使用Python存储稀疏矩阵？

Question

我在python中得到了一个使用稀疏矩阵的输出，我需要将这个稀疏矩阵存储在我的硬盘中，我该怎么做呢？如果我应该创建一个数据库，我应该怎么做？？ 这是我的代码：

import nltk
import cPickle
import numpy
from scipy.sparse import lil_matrix
from nltk.corpus import wordnet as wn
from nltk.corpus import brown
f = open('spmatrix.pkl','wb')
def markov(L):
    count=0
    c=len(text1)
    for i in range(0,c-2):
        h=L.index(text1[i])
        k=L.index(text1[i+1])
        mat[h,k]=mat[h,k]+1//matrix
    cPickle.dump(mat,f,-1)



text = [w for g in brown.categories() for w in brown.words(categories=g)]
text1=text[1:500]
arr=set(text1)
arr=list(arr)
mat=lil_matrix((len(arr),len(arr)))
markov(arr)
f.close()

我需要将这个“mat”存储在一个文件中，并且应该使用坐标来访问矩阵的值。。

稀疏矩阵的结果如下：`稀疏矩阵的结果如下：

(173, 168) 2.0 (173, 169) 1.0 (173, 172) 1.0 (173, 237) 4.0 (174, 231) 1.0 (175, 141) 1.0 (176, 195) 1.0 

但当我把它存储到一个文件中并读取相同的内容时，我会得到这样的结果：

(0, 68) 1.0 (0, 77) 1.0 (0, 95) 1.0 (0, 100)    1.0 (0, 103)    1.0 (0, 110) 1.0 (0, 112)   2.0 (0, 132)    1.0 (0, 133)    2.0 (0, 139)    1.0 (0, 146)    2.0 (0, 156)    1.0 (0, 157)    1.0 (0, 185)    1.0

Answer 1

假设您有一个numpymatrix或ndarray，这是您的问题和标记暗示的，那么您可以使用一个^{}方法和^{}函数：

your_matrix.dump('output.mat')
another_matrix = numpy.load('output.mat')

Answer 2

注意：此答案是对现在提供代码的修订问题的响应。

不应在函数中调用cPickle.dump()。创建稀疏矩阵，然后将其内容转储到文件中。

尝试：

def markov(L):
   count=0
   c=len(text1)
   for i in range(0,c-2):
       h=L.index(text1[i])
       k=L.index(text1[i+1])
       mat[h,k]=mat[h,k]+1 #matrix


text = [w for g in brown.categories() for w in brown.words(categories=g)]
text1=text[1:500]
arr=set(text1)
arr=list(arr)
mat=lil_matrix((len(arr),len(arr)))
markov(arr)
f = open('spmatrix.pkl','wb')
cPickle.dump(mat,f,-1)
f.close()

Answer 3

pyTables是HDF5数据模型的Python接口，是非常流行的选择，并且与NumPy和SciPy很好地集成。pyTables允许您访问基于数据的数组的片段，而无需将整个数组加载回内存。

我对稀疏矩阵本身没有任何具体的经验，快速的Google搜索既没有证实也没有否认稀疏矩阵是受支持的。